本发明涉及金融安全管控，尤其涉及一种交易异常检测方法、装置、电子设备及存储介质。
背景技术：
1、随着移动设备(如智能手机、平板电脑)的普及，越来越多的用户选择移动支付的方式进行交易，这使得用户的资产与移动设备紧密绑定。相应地，这种趋势也增加了潜在的安全风险：一旦用户的移动设备丢失、被盗或被黑客攻击，很可能导致用户的资产损失和个人隐私泄密。因此，在用户进行移动支付时对交易是否存在异常进行检测具有重要的意义。
2、目前，检测交易是否存在异常主要分为两种方式：一种是使用预先定义的规则来进行检测，例如，可以限制单笔交易金额、交易频率、交易地点等，如果交易违反了这些规则，表示交易存在异常；另一种是使用机器学习模型来进行检测，通过对大量交易数据进行训练和建模，可以自动识别正常交易和异常交易之间的差异，达到检测的目的。
3、然而，上述两种方式中的规则和机器学习模型都是预先定义/训练的，对于复杂的支付环境不够灵活和准确，并且当出现新的异常场景(如新型的欺诈行为、变化的攻击模式等)时往往无法及时识别，导致出现漏检的情况。
技术实现思路
1、本发明提供了一种交易异常检测方法、装置、电子设备及存储介质，能够准确、及时地检测出各种场景下的目标交易是否存在异常，从而有效减少盗刷、欺诈等异常交易，保障用户的资产安全。
2、根据本发明的一方面，提供了一种交易异常检测方法，包括：获取目标交易的交易数据，其中，交易数据包括交易内容和支付用户的用户信息；将用户信息输入当前版本的第一预设模型，确定支付用户的标准行为信息；将交易内容、用户信息和标准行为信息输入当前版本的第二预设模型，确定目标交易的分析结果；根据分析结果，检测目标交易是否存在异常。
3、可选的，当前版本的预设模型是利用在线学习算法，根据上一周期的训练数据集对上一版本的预设模型进行训练得到的模型；其中，预设模型为第一预设模型或者第二预设模型。
4、可选的，训练得到当前版本的预设模型的方法，包括：获取上一周期的训练数据集和上一版本的预设模型，其中，上一周期的训练数据集包括上一周期内产生的若干个训练数据，一个训练数据包括至少一类子数据，一类子数据对应一个维度；对于同一个维度的子数据，将该维度的子数据输入上一版本的预设模型，构建上一版本的预设模型的损失函数，其中，不同维度的子数据的学习速率不同；根据损失函数，调节上一版本的预设模型的参数；将参数调节完毕的上一版本的预设模型作为当前版本的预设模型。
5、可选的，获取上一版本的预设模型，包括：当预设模型为第一预设模型时，获取第一初始模型和上一版本的版本号；确定上一版本的版本号对应的第一参数；根据第一参数和第一初始模型，确定上一版本的第一预设模型；当预设模型为第二预设模型时，获取第二初始模型和上一版本的版本号；确定上一版本的版本号对应的第二参数；根据第二参数和第二初始模型，确定上一版本的第二预设模型。
6、可选的，还包括：对交易数据进行预处理，其中，预处理包括去噪处理、去重处理、缺失值处理、异常值处理和格式转换处理；将预处理后的交易数据作为训练数据，并存储至当前周期的训练数据集中。
7、可选的，分析结果包括异常评估参数；根据分析结果，检测目标交易是否存在异常，包括：若异常评估参数小于或者等于预设阈值，则确定目标交易不存在异常；若异常评估参数大于预设阈值，则确定目标交易存在异常。
8、可选的，在确定目标交易存在异常后，还包括：确定目标交易对应的异常等级，并根据异常等级执行对应的异常控制措施。
9、根据本发明的另一方面，提供了一种交易异常检测装置，包括：获取模块，分析模块和检测模块；获取模块，用于获取目标交易的交易数据，其中，交易数据包括交易内容和支付用户的用户信息；分析模块，用于将用户信息输入当前版本的第一预设模型，确定支付用户的标准行为信息；将交易内容、用户信息和标准行为信息输入当前版本的第二预设模型，确定目标交易的分析结果；检测模块，用于根据分析结果，检测目标交易是否存在异常。
10、根据本发明的另一方面，提供了一种电子设备，电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的交易异常检测方法。
11、根据本发明的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的交易异常检测方法。
12、本发明实施例的技术方案，通过获取目标交易的交易数据，并将交易数据中的用户信息输入当前版本的第一预设模型，确定支付用户的标准行为信息；再将交易数据和标准行为信息输入当前版本的第二预设模型，确定目标交易的分析结果；最终根据分析结果，检测目标交易是否存在异常。由于本发明设置了第一预设模型和第二预设模型，第一预设模型可以基于用户信息确定支付用户的标准行为信息，为第二预设模型提供了标准化的信息，从而提升了分析结果的准确性，达到了准确、及时地检测出各种场景下的目标交易是否存在异常的目的。同时，当前版本的预设模型是利用在线学习算法，根据上一周期的训练数据集对上一版本的预设模型进行训练得到的模型，可见，第一预设模型和第二预设模型可以不断进行优化更新，以适应不断变化的交易场景。另外，当检测到目标交易存在异常时，本发明还可以确定目标交易对应的异常等级，并执行对应的异常控制措施，从而有效减少盗刷、欺诈等异常交易，保障用户的资产安全。
13、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种交易异常检测方法，其特征在于，包括：
2.根据权利要求1所述的交易异常检测方法，其特征在于，当前版本的预设模型是利用在线学习算法，根据上一周期的训练数据集对上一版本的预设模型进行训练得到的模型；
3.根据权利要求2所述的交易异常检测方法，其特征在于，训练得到当前版本的预设模型的方法，包括：
4.根据权利要求3所述的交易异常检测方法，其特征在于，获取所述上一版本的预设模型，包括：
5.根据权利要求1所述的交易异常检测方法，其特征在于，还包括：
6.根据权利要求1所述的交易异常检测方法，其特征在于，所述分析结果包括异常评估参数；
7.根据权利要求6所述的交易异常检测方法，其特征在于，在确定所述目标交易存在异常后，还包括：
8.一种交易异常检测装置，其特征在于，包括：获取模块，分析模块和检测模块；
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的交易异常检测方法。
